0. dockerfile命令
FROM # 基础镜像，一切从这里开始构建 MAINTAINER # 镜像是谁写的，姓名 邮箱 RUN # 镜像构建的时候需要运行的命令 ADD # 步骤：tomcat镜像，这个tomcat压缩包！添加内容 WORKDIR # 镜像的工作目录 VOLUME # 挂载的目录 EXPOSE # 保留端口配置 CMD # 指定这个容器启动的时候要运行的命令，只有最后一个会生效，可被替代 ENTRYPOINT # 指定这个容器启动的时候要运行的命令，可以追加命令 ONBUILD # 当构建一个被继承DockerFile这个时候就会运行ONBUILD指令，触发指令。 COPY # 类似ADD,将我们文件拷贝到镜像中 ENV # 构建的时候设置环境变量
1. 使用指令的注意点
1.FROM：
如果制作base image，则使用FROM scratch。
如果在某镜像基础上制作，例如使用FROM centos:7指定具体的base image的版本，不指定版本则默认为最新的。
2.LABEL：
需要对镜像做基础的介绍：
LABEL maintainer="Prin<xxx@qq.com>" LABEL version = "1.0" LABEL description="prin First DcokerFile"
3.RUN：
容器内执行的命令，有两种格式。shell：RUN <命令行命令>，等同于在终端执行shell命令。exec：RUN ["可执行文件"，"参数1"，"参数2"]。
注意：Dockerfile的指令每执行一次都会在docker上新建一层。所以过多无意义的层，会造成镜像膨胀过大,建议使用&&符号链接命令，例如：RUN yum -y update && yum -y install yum net-tools。
4.ADD and COPY：
概述：
ADD和COPY都是将宿主机上的文件拷入镜像中。大部分情况,，COPY优于ADD（方便明了）。 ADD除了COPY还有额外功能(解压)。添加远程文件/目录请使用curl或者wget。
ADD For_add /prin ------- 将本地文件夹For_add（与dockerfile在同一个目录）内的文件全部拷入镜像的/prin目录。
COPY For_cp /prin ------ 同上。
ADD for_add.tar.gz /prin/unzip/ ------ 将 for_add.tar.gz压缩文件拷贝进入镜像的/prin/unzip/目录，并解压。
5.WORKDIR（工作目录）：
在容器生成时，默认切换到具体的目录中。
6.VOLUME（挂载）：
概述：
设置数据卷的位置，并且容器在运行时自动挂载为匿名卷，当然也可以覆盖与具名挂载。
2. dockerfile
# 继承Pytorch官方的cuda镜像
FROM pytorch/pytorch:1.11.0-cuda11.3-cudnn8-devel
LABEL maintainer = "xxxxxxx@qq.com"
LABEL version = "0.2"
LABEL description = "prepare deep learning environment"
# 指定docker镜像中，默认的工作路径是/home/BE
WORKDIR /home/BE
RUN rm /etc/apt/sources.list.d/cuda.list \
&& rm /etc/apt/sources.list.d/nvidia-ml.list \
&& apt-get update \
&& apt-get install -y libgl1 \
&& conda install gdal==3.4.1 \
&& pip config set global.index-url https://pypi.douban.com/simple/ \
&& pip install opencv-python-headless==4.6.0.66 \
&& pip install opencv-python==4.6.0.66 \
&& pip install segmentation-models-pytorch3. 参考
https://docs.microsoft.com/zh-cn/virtualization/windowscontainers/manage-docker/manage-windows-dockerfile
4. 存在的问题
Q1:每一次运行docker容器时，是否要挂载本地路径
docker run的时候，进行挂载
Q2:dockerfile中涉及apt-get 操作失败
官方的解释：为了最好地确保我们的 RPM 和 Debian 软件包存储库的安全性和可靠性，NVIDIA 将从 2022 年 4 月 27 日开始更新和轮换 apt、dnf/yum 和 zypper 软件包管理器使用的签名密钥。未能更新存储库签名密钥将导致尝试从 CUDA 存储库访问或安装包时出现包管理错误。为确保继续访问最新的 NVIDIA 软件，请完成以下步骤： 删除过时的签名密钥 Deb…
RUN rm /etc/apt/sources.list.d/cuda.list RUN rm /etc/apt/sources.list.d/nvidia-ml.list
到此这篇关于pytorch库的dockerfile的文章就介绍到这了,更多相关pytorch库的dockerfile内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！